چکیده

پیش­بینی پیوند یک چالش بزرگ در شبکه­ های اجتماعی است که از ساختار شبکه ­ای برای پیش­بینی پیوندهای آتی استفاده می­کند. روش­های رایج پیش­بینی پیوند برای پیش­بینی پیوندهای مخفی از نمایش گراف ایستا استفاده می­کنند که در آن تصویری از شبکه برای یافتن پیوندهای آتی یا مخفی مورد استفاده قرار می­گیرد. برای مثال، پیش­بینی پیوند مبتنی بر معیار تشابه، روش سنتی رایجی است که معیار تشابه را برای تمامی پیوندهای غیرمتصل محاسبه نموده، پیوندها را براساس معیارهای تشابه آنها مرتب نموده و پیوندهای با امتیاز تشابه بالاتر را به عنوان پیوندهای آتی برچس ب­گذاری می­کند. از آنجاکه فعالیت­های افراد در شبکه­ های اجتماعی، پویا و غیرقطعی است، و ساختار شبکه­ ها با گذشت زمان تغییر می­کند، استفاده از گراف­ های قطعی برای مدلسازی و تحلیل شبکه­ ی اجتماعی نمی­تواند روش مناسبی باشد. در مسأله­ ی پیش­بینی پیوند سری­ های زمانی، احتمال وقوع پیوند سری­ های زمانی برای پیش­بینی پیوندهای آتی مورد استفاده قرار می­گیرد. ما در این مقاله یک روش پیش­بینی پیوند سری­ های زمانی مبتنی بر اتوماتای یادگیر را پیشنهاد می­کنیم. در الگوریتم پیشنهادی برای هر پیوندی که قرار است پیش­بینی شود، یک اتوماسیون یادگیری داریم و هر اتوماسیون یادگیری در تلاش است وجود یا عدم وجود پیوند متناظر را پیش­بینی کند. برای پیش­بینی احتمال وقوع پیوند در زمان T، یک دنباله­ ی متشکل از مراحل 1 تا T-1 داریم و اتوماسیون یادگیری این مراحل را می­پیماید تا وجود یا عدم وجود پیوند مربوطه را بیاموزد. زمانیکه احتمال وقوع پیوند سری­ های زمانی را در نظر بگیریم، آزمایشات اولیه­ ی پیش­بینی پیوند با شبکه­ های ایمیل و نویسندگی مشترک، نتایج رضایت ­بخشی را فراهم می­ آورد.

1-مقدمه

پیش­بینی ایجاد پیوند بین اشیاء داده، کار جالبی در حوزه ­ی پژوهشی داده ­کاوی است. پیش­بینی ایجاد هایپرلینک وب، پیش­بینی ژنتیکی، برهم­کنش­ های پروتئین-پروتئین، و مسأله­ ی ایجاد پیوند بین داده ­ها، مثال­ هایی از این حوزه هستند. در مسأله­ ی پیش­بینی پیوند، نمود داده ­ها به صورت نمایش شبکه/گراف است. این داده ­ها را می­توان به شکل گراف تجسم نمود، در این گراف، هر رأس متناظر با یک فرد بوده و هر پیوند، فرمی از تناظر بین افراد مرتبط را نشان می­دهد [1، 2]. مفهوم پیوند در شبکه­ ی اجتماعی معمولاً یک تقاطع مشترک از شبکه­ ی اجتماعی متناظر است...

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.